ES2754654T3 - Procedimiento y dispositivo de procesamiento del balance de blancos de una imagen y medio de almacenamiento - Google Patents
Procedimiento y dispositivo de procesamiento del balance de blancos de una imagen y medio de almacenamiento Download PDFInfo
- Publication number
- ES2754654T3 ES2754654T3 ES18181399T ES18181399T ES2754654T3 ES 2754654 T3 ES2754654 T3 ES 2754654T3 ES 18181399 T ES18181399 T ES 18181399T ES 18181399 T ES18181399 T ES 18181399T ES 2754654 T3 ES2754654 T3 ES 2754654T3
- Authority
- ES
- Spain
- Prior art keywords
- gain
- image
- vector
- similar
- white balance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 83
- 230000004044 response Effects 0.000 claims abstract description 63
- 239000013598 vector Substances 0.000 claims description 144
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 15
- 230000001815 facial effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000009877 rendering Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 6
- 230000001052 transient effect Effects 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 208000016252 change in skin color Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/6077—Colour balance, e.g. colour cast correction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/64—Systems for the transmission or the storage of the colour picture signal; Details therefor, e.g. coding or decoding means therefor
- H04N1/642—Adapting to different types of images, e.g. characters, graphs, black and white image portions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/76—Circuitry for compensating brightness variation in the scene by influencing the image signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
- H04N9/73—Colour balance circuits, e.g. white balance circuits or colour temperature control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
- H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Color Television Image Signal Generators (AREA)
- Processing Of Color Television Signals (AREA)
- Color Image Communication Systems (AREA)
Abstract
Un procedimiento de procesamiento del balance de blancos de una imagen, comprendiendo un contenido de una imagen un sujeto y comprendiendo el procedimiento: calcular una primera ganancia para la imagen de acuerdo con un algoritmo de Balance de Blancos Automático de Rostro (FaceAWB) configurado para regular un rostro en la imagen a un color de piel; calcular una segunda ganancia para la imagen de acuerdo con un algoritmo de mundo gris simple; determinar si la primera ganancia es similar a la segunda ganancia; en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la segunda ganancia; y en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la primera ganancia.
Description
DESCRIPCIÓN
Procedimiento y dispositivo de procesamiento del balance de blancos de una imagen y medio de almacenamiento
Campo técnico
La presente divulgación se refiere al campo técnico de los terminales móviles y, más particularmente, a un procedimiento y dispositivo para procesar el balance de blancos de una imagen y a un medio de almacenamiento.
Antecedentes
Un sistema visual humano tiene la característica de la constancia de color y puede adquirir una característica constante de color de la superficie de un objeto bajo un entorno de iluminación variable y una condición de imagen. Por ejemplo, independientemente de si se observa un objeto blanco debajo de una lámpara de tungsteno interior o si el objeto blanco se observa bajo luz oscura, un ser humano puede percibir que el objeto es blanco. Esto se debe a que los cerebros humanos se han adaptado a los colores de los objetos bajo diferentes luces en los procesos de crecimiento continuo de los seres humanos.
Sin embargo, un equipo de imagen no tiene una función de regulación de este tipo y se requiere que seleccione un algoritmo para un balance de color adecuado que elimine la influencia de un entorno de iluminación en la presentación del color. En una técnica relacionada, existen múltiples algoritmos de balance de blancos para calcular una ganancia y realizar el procesamiento de balance de blancos sobre la base de la ganancia. Sin embargo, el algoritmo específico que se adoptará para el cálculo de la ganancia generalmente es seleccionado por un usuario en una configuración de usuario en la técnica relacionada. Tal manera de establecer el usuario en la técnica relacionada puede traer fácilmente el problema técnico de que el algoritmo de balance de blancos no coincida con un escenario práctico, lo que deteriorará un efecto de procesamiento del balance de blancos.
Sumario
Los propósitos de la presente divulgación son al menos resolver uno de los problemas técnicos en cierta medida. Para este fin, el primer propósito de la presente divulgación es divulgar un procedimiento para procesar el balance de blancos de una imagen, que resuelva el problema técnico en el cual se selecciona un algoritmo de balance de blancos de una manera configurada por el usuario en donde el algoritmo de balance de blancos no coincide fácilmente con un escenario práctico y deteriore un efecto de procesamiento del balance de blancos. El segundo propósito de la presente divulgación es divulgar un dispositivo para procesar el balance de blancos de una imagen.
El tercer propósito de la presente divulgación es divulgar un equipo de terminal.
El cuarto propósito de la presente divulgación es divulgar un medio de almacenamiento legible por ordenador. Para lograr los propósitos, en un primer aspecto, las realizaciones de la presente divulgación proporcionan un procedimiento para procesar el balance de blancos de una imagen, un contenido de una imagen que incluye un sujeto y el procedimiento que incluye: se calcula una primera ganancia para la imagen de acuerdo con un algoritmo de Balance de Blancos Automático de Rostro (FaceAWB) configurado para regular un rostro en la imagen a un color de piel; se calcula una segunda ganancia para la imagen de acuerdo con un algoritmo de mundo gris simple; se determina si la primera ganancia es similar a la segunda ganancia; en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, el procesamiento del balance de blancos se realiza en la imagen de acuerdo con la segunda ganancia; y en respuesta a la determinación de que la primera ganancia no es similar a la segunda ganancia, el procesamiento del balance de blancos se realiza en la imagen de acuerdo con la primera ganancia.
En el procedimiento para procesar el balance de blancos de una imagen de las realizaciones de la presente divulgación, la primera ganancia para la imagen se calcula de acuerdo con el algoritmo FaceAWB configurado para regular el rostro en la imagen al color de piel; la segunda ganancia para la imagen se calcula de acuerdo con el algoritmo de mundo gris simple; se determina si la primera ganancia es similar a la segunda ganancia; en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, el procesamiento del balance de blancos se realiza en la imagen de acuerdo con la segunda ganancia; y en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, el procesamiento del balance de blancos se realiza en la imagen de acuerdo con la primera ganancia. Se resuelve el problema técnico en el cual se selecciona un algoritmo de balance de blancos de una manera configurada por el usuario en donde el
algoritmo de balance de blancos no coincide fácilmente con un escenario práctico y deteriora un efecto de procesamiento del balance de blancos.
Para lograr los propósitos, en un segundo aspecto, las realizaciones de la presente divulgación divulgan un dispositivo para procesar el balance de blancos de una imagen, el contenido de una imagen incluye un sujeto y el dispositivo incluye: un módulo de cálculo configurado para calcular una primera ganancia para la imagen de acuerdo con un algoritmo FaceAWB configurado para regular un rostro en la imagen a un color de piel y calcular una segunda ganancia para la imagen de acuerdo con un algoritmo de mundo gris simple; un módulo de determinación configurado para determinar si la primera ganancia es similar a la segunda ganancia; y un módulo de procesamiento configurado para, en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la segunda ganancia y, en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la primera ganancia.
En el dispositivo para procesar el balance de blancos de una imagen de las realizaciones de la presente divulgación, el módulo de cálculo está configurado para calcular la primera ganancia para la imagen de acuerdo con el algoritmo FaceAWB configurado para regular el rostro en la imagen a la piel colorear y calcular la segunda ganancia para la imagen de acuerdo con el algoritmo de mundo gris simple; el módulo de determinación está configurado para determinar si la primera ganancia es similar a la segunda ganancia; y el módulo de procesamiento está configurado para, en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la primera ganancia y, en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la segunda ganancia. Se resuelve el problema técnico en el cual se selecciona un algoritmo de balance de blancos de una manera configurada por el usuario en donde el algoritmo de balance de blancos no coincide fácilmente con un escenario práctico y deteriora un efecto de procesamiento del balance de blancos.
Para lograr los propósitos, en un tercer aspecto, las realizaciones de la presente divulgación divulgan un equipo de terminal, que incluye uno o más de los siguientes componentes: una carcasa y un procesador, una memoria y una cámara ubicados en la carcasa, en el que la memoria puede almacenar un distancia vectorial, y el procesador puede leer el distancia vectorial almacenado en la memoria para ejecutar un programa correspondiente al código de programa para ejecutar el procedimiento para procesar el balance de blancos de una imagen en las realizaciones en el primer aspecto.
Para lograr los propósitos, en un cuarto aspecto, las realizaciones de la presente divulgación proporcionan un medio de almacenamiento legible por ordenador que almacena un programa informático que cuando es ejecutado por un procesador, realiza el procedimiento para procesar el balance de blancos de una imagen en las realizaciones en el primer aspecto.
Los aspectos y ventajas adicionales de la presente divulgación se presentarán parcialmente en las siguientes descripciones y se harán evidentes a partir de las siguientes descripciones o se entenderán implementando la presente divulgación.
Breve descripción de los dibujos
Los aspectos y ventajas mencionados anteriormente y/o adicionales de la presente divulgación serán evidentes y fáciles de entender a partir de las descripciones que se hacen a continuación de las realizaciones en combinación con los dibujos, en los que
La Figura 1 es un diagrama de flujo de un procedimiento para procesar el balance de blancos de una imagen de acuerdo con una realización de la presente divulgación.
La Figura 2 es un diagrama de flujo de otro procedimiento para procesar el balance de blancos de una imagen de acuerdo con otra realización de la presente divulgación.
La Figura 3 es un diagrama esquemático que ilustra la configuración de un dispositivo para procesar el balance de blancos de una imagen de acuerdo con una realización de la presente divulgación.
La Figura 4 es un diagrama esquemático que ilustra la configuración de otro dispositivo para procesar el balance de blancos de una imagen de acuerdo con una realización de la presente divulgación.
La Figura 5 es un diagrama esquemático que ilustra la configuración de otro dispositivo para procesar el balance de blancos de una imagen de acuerdo con otra realización de la presente divulgación.
La Figura 6 es un diagrama esquemático que ilustra la configuración de un equipo de terminal de acuerdo con una realización de la presente divulgación.
Descripción detallada
Las realizaciones de la presente divulgación se describirán a continuación en detalle. Ejemplos de las
realizaciones se ilustran en los dibujos. A lo largo de los dibujos, los signos de referencia iguales o similares siempre representan los mismos o similares componentes o componentes con las mismas o similares funciones. Las siguientes realizaciones descritas con referencia a los dibujos son solo ejemplares y pretenden explicar la presente divulgación y no deben entenderse como límites de la presente divulgación.
Las realizaciones de la presente divulgación describen al menos las siguientes soluciones.
Solución 1. Un procedimiento para procesar el balance de blancos de una imagen, el contenido de una imagen que incluye un sujeto y el procedimiento que incluye: calcular una primera ganancia para la imagen de acuerdo con un algoritmo de Balance de Blancos Automático de Rostro (FaceAWB) configurado para regular un rostro en la imagen a un color de piel; calcular una segunda ganancia para la imagen de acuerdo con un algoritmo de mundo gris simple; determinar si la primera ganancia es similar a la segunda ganancia; en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la segunda ganancia; y, en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la primera ganancia.
Solución 2. El procedimiento de la solución 1, en el que determinar si la primera ganancia es similar a la segunda ganancia incluye: calcular una diferencia entre la primera ganancia y la segunda ganancia para cada uno de los componentes de color; en respuesta a una determinación de que la diferencia para al menos uno de los componentes de color es mayor que un umbral de diferencia, determinar que la primera ganancia no es similar a la segunda ganancia; y, en respuesta a una determinación de que la diferencia para cada uno de los componentes de color es menor que el umbral de diferencia, determinar que la primera ganancia es similar a la segunda ganancia.
Solución 3. El procedimiento de la solución 1, en el que determinar si la primera ganancia es similar a la segunda ganancia incluye: generar un primer vector de acuerdo con los valores de la primera ganancia para los componentes de color; generar un segundo vector de acuerdo con los valores de la segunda ganancia para los componentes de color; y determinar si la primera ganancia y la segunda ganancia son similares entre sí de acuerdo con una distancia vectorial entre el primer vector y el segundo vector.
Solución 4. El procedimiento de la solución 3, en el que determinar si la primera ganancia y la segunda ganancia son similares entre sí de acuerdo con la distancia vectorial entre el primer vector y el segundo vector incluye: en respuesta a una de que la distancia vectorial entre el primer vector y el segundo vector es mayor que un umbral de distancia, determinar que la primera ganancia no es similar a la segunda ganancia; y, en respuesta a una determinación de que la distancia vectorial entre el primer vector y el segundo vector no es mayor que un umbral de distancia, determinar que la primera ganancia es similar a la segunda ganancia.
Solución 5. El procedimiento de solución 3, en el que la distancia vectorial incluye una distancia Euclidiana. Solución 6. El procedimiento de la solución 1, que además incluye: antes de calcular una primera ganancia para la imagen de acuerdo con el algoritmo FaceAWB configurado para regular el rostro en la imagen a un color de piel, identificar un rostro dentro de la imagen.
Solución 7. El procedimiento de la solución 1, en el que calcular la primera ganancia para la imagen de acuerdo con el algoritmo FaceAWB configurado para regular el rostro en la imagen a un color de piel incluye: calcular la primera ganancia comparando el color del rostro en la imagen y un rango de color predeterminado para rostros.
Solución 8. Un dispositivo para procesar el balance de blancos de una imagen, el contenido de una imagen incluye un sujeto y el dispositivo incluye: un módulo de cálculo configurado para calcular una primera ganancia para la imagen de acuerdo con un algoritmo de Balance de Blancos Automático de Rostro (FaceAWB) configurado para regular un rostro en la imagen a un color de piel y calcular una segunda ganancia para la imagen de acuerdo con un algoritmo de mundo gris simple; un módulo de determinación configurado para determinar si la primera ganancia es similar a la segunda ganancia; y un módulo de procesamiento configurado para, en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la segunda ganancia y, en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la primera ganancia.
Solución 9. El dispositivo de la solución 8, en el que el módulo de determinación comprende: una unidad de valor de diferencia configurada para calcular una diferencia entre la primera ganancia y la segunda ganancia para cada uno de los componentes de color; y una primera unidad de determinación configurada para, en respuesta a una determinación de que la diferencia para al menos uno de los componentes de color es mayor que un umbral de diferencia, determinar que la primera ganancia no es similar a la segunda ganancia y, en respuesta a una determinación de que la diferencia para cada uno de los componentes de color es menor que el umbral de diferencia, determinar que la primera ganancia es similar a la segunda ganancia.
Solución 10. El dispositivo de la solución 8, en el que el módulo de determinación incluye: una unidad de generación configurada para generar un primer vector de acuerdo con los valores de la primera ganancia para los componentes de color y generar un segundo vector de acuerdo con los valores de la segunda
ganancia para los componentes de color; y una segunda unidad de determinación configurada para determinar si la primera ganancia y la segunda ganancia son similares entre sí de acuerdo con una distancia vectorial entre el primer vector y el segundo vector.
Solución 11. El dispositivo de la solución 10, en el que el módulo de determinación está configurado para: responder a una determinación de que la distancia vectorial entre el primer vector y el segundo vector es mayor que un umbral de distancia, determinar que la primera ganancia no es similar a la segunda ganancia; y, en respuesta a una determinación de que la distancia vectorial entre el primer vector y el segundo vector no es mayor que un umbral de distancia, determinar que la primera ganancia es similar a la segunda ganancia.
Solución 12. El dispositivo de la solución 10, en el que la distancia de vector comprende una distancia Euclidiana.
Solución 13. El dispositivo de la solución 8, en el que el módulo de cálculo está configurado para: antes de calcular una primera ganancia para la imagen de acuerdo con el algoritmo FaceAWB configurado para regular el rostro en la imagen a un color de piel, identificar el sujeto dentro de la imagen.
Solución 14. El dispositivo de la solución 8, en el que el módulo de cálculo está configurado para: calcular la primera ganancia comparando el color del rostro en la imagen y un rango de color predeterminado para rostros.
Solución 15. Un medio de almacenamiento legible por ordenador no transitorio que almacena un programa informático que, cuando es ejecutado por un procesador, realiza el procedimiento para procesar el balance de blancos de una imagen, el procedimiento incluye: calcular una primera ganancia para la imagen de acuerdo con un algoritmo de Balance de Blancos Automático de Rostro (FaceAWB) configurado para regular el rostro en la imagen a un color de piel; calcular una segunda ganancia para la imagen de acuerdo con un algoritmo de mundo gris simple; determinar si la primera ganancia es similar a la segunda ganancia; en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la segunda ganancia; y, en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la primera ganancia.
Solución 16. El medio de almacenamiento legible por ordenador de la solución 15, en el que determinar si la primera ganancia es similar a la segunda ganancia incluye: calcular una diferencia entre la primera ganancia y la segunda ganancia para cada uno de los componentes de color; en respuesta a una determinación de que la diferencia para al menos uno de los componentes de color es mayor que un umbral de diferencia, determinar que la primera ganancia no es similar a la segunda ganancia; y, en respuesta a una determinación de que la diferencia para cada uno de los componentes de color es menor que el umbral de diferencia, determinar que la primera ganancia es similar a la segunda ganancia.
Solución 17. El medio de almacenamiento no transitorio legible por ordenador de la solución 15, en el que determinar si la primera ganancia es similar a la segunda ganancia incluye: generar un primer vector de acuerdo con los valores de la primera ganancia para los componentes de color; generar un segundo vector de acuerdo con los valores de la segunda ganancia para los componentes de color; y determinar si la primera ganancia y la segunda ganancia son similares entre sí de acuerdo con una distancia vectorial entre el primer vector y el segundo vector.
Solución 18. El medio de almacenamiento no transitorio legible por ordenador de la solución 17, en el que determinar si la primera ganancia y la segunda ganancia son similares entre sí de acuerdo con la distancia vectorial entre el primer vector y el segundo vector incluye: en respuesta a una determinación de que la distancia vectorial entre el primer vector y el segundo vector es mayor que un umbral de distancia, determinar que la primera ganancia no es similar a la segunda ganancia; y, en respuesta a una determinación de que la distancia vectorial entre el primer vector y el segundo vector no es mayor que un umbral de distancia, determinar que la primera ganancia es similar a la segunda ganancia.
Solución 19. El medio de almacenamiento no transitorio legible por ordenador de la solución 17, en el que la distancia vectorial incluye una distancia Euclidiana.
Solución 20. El medio de almacenamiento no transitorio legible por ordenador de la solución 15, que además incluye: antes de calcular una primera ganancia para la imagen de acuerdo con el algoritmo FaceAWB configurado para regular el rostro en la imagen a un color de piel, identificar un rostro dentro de la imagen.
Solución 21. El medio de almacenamiento no transitorio legible por ordenador de la solución 15, en el que el cálculo de la primera ganancia para la imagen de acuerdo con el algoritmo FaceAWB configurado para regular el rostro en la imagen a un color de piel incluye: calcular la primera ganancia comparando el color del rostro en la imagen y una gama de colores predeterminada para rostros.
Solución 22. Un equipo de terminal, que incluye uno o más de los siguientes componentes: una carcasa y un procesador, una memoria y una cámara ubicados en la carcasa, en el que la memoria almacena códigos de programa ejecutables, y el procesador lee los códigos de programas ejecutables almacenados en la memoria para ejecutar un programa correspondiente al código de programa ejecutable para ejecutar el procedimiento para procesar el balance de blancos de una imagen según cualquiera de las soluciones 1-7.
Un procedimiento, un dispositivo y un equipo de terminal de las realizaciones de la presente divulgación se describirán a continuación con referencia a los dibujos.
La Figura 1 es un diagrama de flujo de un procedimiento para procesar el balance de blancos de una imagen de acuerdo con una realización de la presente divulgación. El contenido de la imagen incluye, por ejemplo, un sujeto. El sujeto puede ser un rostro, un animal, un cielo, un paisaje o similares. Como se ilustra en la Figura 1, el procedimiento incluye las siguientes operaciones.
En el bloque 101, se calcula una primera ganancia de una imagen de acuerdo con un algoritmo de Balance de Blancos Automático de Rostro (FaceAWB) configurado para regular un rostro en la imagen a un color de piel. El algoritmo FaceAWB se refiere a que se requiere una característica de la imagen para estimarse razonablemente cuando la imagen se procesa usando un procedimiento de balance de blancos, estimando así un corrector más apropiadamente. Cuando existe una persona en la imagen, dado que el cambio en el color de piel para una etnia es pequeño y está dentro de un rango estimado, se puede determinar un corrector correspondiente de acuerdo con una característica del color de piel del rostro para obtener un resultado más preciso del cálculo del balance de blancos. Particularmente bajo un fondo de color puro de gran superficie y/o condiciones de luz mixtas, un efecto del balance de blancos de la imagen se puede mejorar efectivamente. Para seleccionar una ganancia adecuada para realizar el procesamiento del balance de blancos en la imagen, la primera ganancia para la imagen se puede calcular para su uso posterior de acuerdo con el algoritmo FaceAWB. En el bloque 102, se calcula una segunda ganancia para la imagen de acuerdo con un algoritmo de mundo gris simple.
El algoritmo de mundo gris simple toma como base una hipótesis de mundo gris. La hipótesis se refiere a que, para una imagen con muchos cambios de color, un valor medio de saturación de tres componentes Rojo (R), Verde (G) y Azul (B) tiende a ser un mismo valor de gris G. Es decir, en el algoritmo de mundo gris simple se formula tal hipótesis en la cual un valor medio de la reflexión media de la luz es generalmente un valor constante y la saturación de los tres componentes R, G y B del valor constante tienden a ser consistente. Cuando existe una gran cantidad de colores en la imagen, el procesamiento de la imagen utilizando el algoritmo de mundo gris simple puede eliminar efectivamente la influencia de la luz ambiental. Para seleccionar una ganancia adecuada para realizar el procesamiento del balance de blancos en la imagen, la segunda ganancia para la imagen se puede calcular para su uso posterior de acuerdo con el algoritmo de mundo gris simple.
En el bloque 103, se determina si la primera ganancia es similar a la segunda ganancia.
En un posible ejemplo, se calcula una diferencia entre la primera ganancia y la segunda ganancia para cada uno de los componentes de color. En respuesta a una determinación de que la diferencia de al menos uno de los componentes de color es mayor que un umbral de diferencia se puede determinar que la primera ganancia no es similar a la segunda ganancia. En respuesta a una determinación de que la diferencia de cada uno de los componentes de color es menor que el umbral de diferencia se puede determinar que la primera ganancia es similar a la segunda ganancia.
En otro ejemplo posible, se genera un primer vector de acuerdo con los valores de la primera ganancia para los componentes de color. Se genera un segundo vector de acuerdo con los valores de la segunda ganancia para los componentes de color. El que la primera ganancia y la segunda ganancia sean similares se determina de acuerdo con una distancia vectorial entre el primer vector y el segundo vector. En un proceso para determinar si la primera ganancia y la segunda ganancia son similares entre sí de acuerdo con la distancia vectorial entre el primer vector y el segundo vector, en respuesta a una determinación de que la distancia vectorial entre el primer vector y el segundo vector es mayor que un umbral de distancia se puede determinar que la primera ganancia no es similar a la segunda ganancia. Cuando la distancia vectorial entre el primer vector y el segundo vector no es mayor que el umbral de distancia se puede determinar que la primera ganancia es similar a la segunda ganancia. En esta realización, la distancia vectorial incluye una distancia Euclidiana.
En el bloque 104, en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, el procesamiento del balance de blancos se realiza en la imagen de acuerdo con la segunda ganancia. En esta realización de la presente divulgación, en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, se indica que un entorno donde se toma la imagen no está bajo un color puro de gran superficie y/o condiciones de luz mixtas, la segunda ganancia calculada usando el algoritmo de mundo gris simple es más precisa, y bajo esta circunstancia, si la primera ganancia calculada usando el algoritmo FaceAWB se adopta para procesar la imagen, se puede aplicar un cambio de balance de blancos para influir en el efecto del balance de blancos en su lugar. Por lo tanto, bajo la circunstancia de que la primera ganancia es similar a la segunda ganancia, el procesamiento del balance de blancos se puede realizar en la imagen de acuerdo con la segunda ganancia para lograr un mejor efecto del balance de blancos.
En el bloque 105, en respuesta a una determinación de que la primera ganancia no es similar a la segunda
ganancia, el procesamiento del balance de blancos se realiza en la imagen de acuerdo con la primera ganancia. En esta realización de la presente divulgación, en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, se indica que el entorno donde se toma la imagen está en el color puro de gran superficie y/o condiciones de luz mixtas. Bajo esta circunstancia, un entorno práctico es inconsistente con la hipótesis de mundo gris simple, y si se adopta la segunda ganancia calculada usando el algoritmo de mundo gris simple para procesar la imagen, es difícil corregir con precisión un color de la imagen. Dado que un cambio en el color de piel del rostro es pequeño, la influencia del color puro de gran superficie y/o las condiciones de luz mixtas se pueden evitar de manera efectiva. Por lo tanto, bajo la circunstancia de que la primera ganancia no es similar a la segunda ganancia, el procesamiento del balance de blancos se puede realizar en la imagen de acuerdo con la primera ganancia calculada utilizando el algoritmo FaceAWB para lograr un mejor efecto del balance de blancos.
De lo anterior, en la realización de la presente divulgación, la primera ganancia de la imagen se calcula de acuerdo con el algoritmo FaceAWB configurado para regular el rostro en la imagen al color de piel. La segunda ganancia para la imagen se calcula de acuerdo con el algoritmo de mundo gris simple. Se determina si la primera ganancia es similar a la segunda ganancia. Respondiendo a la determinación de que la primera ganancia es similar a la segunda ganancia, el procesamiento del balance de blancos se realiza en la imagen de acuerdo con la segunda ganancia. En respuesta a la determinación de que la primera ganancia no es similar a la segunda ganancia, el procesamiento del balance de blancos se realiza en la imagen de acuerdo con la primera ganancia. Por lo tanto, se puede adoptar un algoritmo de balance de blancos más efectivo para procesar la imagen para diferentes escenarios, el algoritmo de balance de blancos puede coincidir mucho con el escenario práctico y se mejora aún más el efecto de procesamiento del balance de blancos.
La Figura 2 es un diagrama de flujo de otro procedimiento para procesar el balance de blancos de una imagen de acuerdo con otra realización de la presente divulgación. Como se ilustra en la Figura 2, el procedimiento incluye las siguientes operaciones.
En el bloque 201, se calcula una primera ganancia de una imagen de acuerdo con un algoritmo FaceAWB configurado para regular un rostro en la imagen a un color de piel.
El rostro en la imagen puede reconocerse usando una tecnología de reconocimiento facial para obtener un intervalo de coordenadas de una región facial al principio. Por ejemplo, se puede adoptar un algoritmo de optimización adaptativa (Adaboost) para el reconocimiento facial, y también se pueden adoptar otros algoritmos capaces de reconocer rápidamente la región facial para reconocer una región de interés, como una región facial. No hay límites establecidos para una manera correspondiente de implementación de reconocimiento facial en la realización.
Después de que se obtiene la región facial, dado que el cambio en el color de piel para una etnia es pequeño, las estadísticas muestran que, por ejemplo, después de que un espacio de color RGB del color de piel se convierte en un espacio YCbCr, un rango Cb del rostro es [133, 173], y un rango Cr del rostro es [77, 127]. Es decir, la imagen se puede corregir de acuerdo con el rango de color de piel, siempre que se pueda determinar el rango de color de piel de una persona. Por lo tanto, la primera ganancia para la imagen se puede calcular comparando un color de la región facial en la imagen con un rango de color de piel preestablecido.
En el bloque 202, se calcula una segunda ganancia para la imagen de acuerdo con un algoritmo de mundo gris simple.
La hipótesis del algoritmo de mundo gris simple se basa en que: para una imagen con muchos cambios de color, un valor medio de saturación de tres componentes R, G y B tiende a ser el mismo valor gris G. Durante una aplicación práctica, generalmente hay dos procedimientos para determinar el valor gris G. En una posible implementación, se puede adoptar un valor constante. Por ejemplo, se puede adoptar la mitad del valor gris más grande, es decir, cuando el valor gris más grande es 255, el valor gris G puede ser 128. Como otra implementación posible, se calcula un valor medio de color R en la imagen, se calcula un valor medio de color G en la imagen, y se calcula un valor medio de color B en la imagen, y un valor medio de los tres medios los valores se adoptan como el valor gris G. Después de determinar el valor gris G, el valor gris G puede compararse con el valor medio del componente de color R, el valor gris G puede compararse con el valor medio del componente de color G, y el valor gris G puede compararse con el valor medio del componente de color B, calculando de esta forma la segunda ganancia para la imagen.
En el bloque 203, se genera un primer vector de acuerdo con los valores de la primera ganancia para los componentes de color, y se genera un segundo vector de acuerdo con los valores de la segunda ganancia para los componentes de color.
Durante la aplicación práctica, la primera ganancia y la segunda ganancia pueden caracterizarse con precisión mediante el uso de vectores de espacios de color. Puede haber varios tipos de espacios de color, por ejemplo, el
espacio de color RGB, es decir, un espacio de color basado en tres colores primarios del equipo. Además, también puede ser un espacio de color de Tono, Saturación e Intensidad (HSI), y el espacio de color de HSI describe los colores con tono, saturación o croma e intensidad o brillo de un sistema visual humano. El espacio de color de HSI puede describirse con un modelo de espacio cónico. Por supuesto, también se puede adoptar otro espacio de color para la descripción y no se realizarán más elaboraciones en la realización. En una posible implementación, se puede adoptar un modelo RGB en el espacio de color para representar la primera ganancia y la segunda ganancia.
En el modelo RGB, cada color aparece en tres componentes de color R, G y B, el modelo se basa en un sistema de coordenadas cartesianas y el espacio de color considerado es un cubo. Se puede tomar un vértice del cubo como punto base, el negro se encuentra en el punto base y el blanco se encuentra en un vértice más alejado del punto base en el cubo. En el modelo, se ubican diferentes colores en el cubo o dentro del cubo y se pueden caracterizar mediante el uso de vectores distribuidos desde el punto base. En una posible implementación, si todos los colores están normalizados, el cubo es un cubo unitario, es decir, todos los R, G y B se valoran dentro de un rango de [0, 1]. Por lo tanto, la primera ganancia y la segunda ganancia en cada componente de color en R, G y B también pueden valorarse dentro del rango de [0, 1]. El valor de la primera ganancia en cada componente de color puede combinarse para generar el primer vector, y el valor de la segunda ganancia en cada componente de color puede combinarse para generar el segundo vector. Por ejemplo, si el valor de la primera ganancia en el componente R es 0,1, el valor en el componente G es 0,2 y el valor en el componente B es 0,3, se puede generar el primer vector [0,1, 0,2, 0,3] al valor de la primera ganancia en cada componente de color. Si el valor de la segunda ganancia en el componente R es 0,2, el valor en el componente G es 0,2 y el valor en el componente B es 0,2, el segundo vector [0,2, 0,2, 0,2] se puede generar de acuerdo con el valor de la segunda ganancia en cada componente de color.
En el bloque 204, se determina si la primera ganancia y la segunda ganancia son similares de acuerdo con una distancia vectorial entre el primer vector y el segundo vector.
Después de que se generan el primer vector y el segundo vector, se implementa la caracterización cuantitativa de la primera ganancia y la segunda ganancia. Cuando se calcula la distancia vectorial entre el primer vector y el segundo vector, se puede adoptar una distancia Euclidiana para describir la distancia vectorial entre los dos vectores, y también se puede adoptar una manera tal como una distancia de coseno y un coeficiente de correlación de Pearson para describir la distancia vectorial entre los dos vectores. Por ejemplo, si se adopta la distancia Euclidiana para describir la distancia vectorial entre el primer vector y el segundo vector, a través de la siguiente fórmula de distancia Euclidiana:
d (x, y) = -J(xR - yR)2+(xG - yGf (xB - yBf
se puede calcular la distancia vectorial entre el primer vector y el segundo vector. En este caso, d(x, y) es la distancia vectorial entre el primer vector y el segundo vector, xR es el valor en el componente de color R en el primer vector, xG es el valor en el componente de color G en el primer vector y xB es el valor en el componente de color B en el primer vector, y yR es el valor en el componente de color R en el segundo vector, yG es el valor en el componente de color G en el segundo vector y yB es el valor en el componente de color B en el segundo vector.
Después de calcular la distancia vectorial entre el primer vector y el segundo vector, puede determinarse si la distancia vectorial entre el primer vector y el segundo vector es mayor que un umbral de distancia, y si la distancia vectorial entre el primer vector y el segundo vector es mayor que el umbral de distancia se puede determinar que la primera ganancia no es similar a la segunda ganancia. Si la distancia vectorial entre el primer vector y el segundo vector no es mayor que el umbral de distancia se puede determinar que la primera ganancia es similar a la segunda ganancia.
En el bloque 205, en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, el procesamiento del balance de blancos se realiza en la imagen de acuerdo con la segunda ganancia. En esta realización de la presente divulgación, en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, se indica que hay suficientes superficies de reflexión del paisaje en la imagen y los espectros de reflexión están equilibrados. El procesamiento del balance de blancos se puede realizar con precisión en la imagen utilizando la segunda ganancia calculada mediante el algoritmo de mundo gris simple. Bajo esta circunstancia, si la primera ganancia se calcula utilizando el algoritmo FaceAWB, se puede aplicar un cambio de balance de blancos para influir en un efecto del balance de blancos.
En el bloque 206, en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, el procesamiento del balance de blancos se realiza en la imagen de acuerdo con la primera ganancia.
En esta realización de la presente divulgación, en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, se indica que el entorno donde se toma la imagen puede estar bajo un color puro de gran superficie y/o condiciones de luz mixtas. Bajo esta circunstancia, un entorno práctico es inconsistente con la hipótesis de mundo gris simple en la que se basa el algoritmo de mundo gris simple, y es difícil realizar con precisión el procesamiento del balance de blancos en la imagen usando la segunda ganancia calculada usando el algoritmo de mundo gris simple. Por lo tanto, bajo esta circunstancia, el algoritmo FaceAWB se usa para mejorar efectivamente el resultado del procesamiento del balance de blancos para lograr un mejor efecto de disparo.
A partir de lo anterior, en la realización de la presente divulgación, después de calcular la primera ganancia para la imagen de acuerdo con el algoritmo FaceAWB configurado para regular el rostro en la imagen al color de piel y se calcula la segunda ganancia para la imagen de acuerdo con el algoritmo de mundo gris simple, el primer vector se puede generar de acuerdo con el valor de la primera ganancia en cada componente de color y el segundo vector se puede generar de acuerdo con el valor de la segunda ganancia de cada componente de color; si la primera ganancia y la segunda ganancia son similares entre sí se determina de acuerdo con la distancia vectorial entre el primer vector y el segundo vector; en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, el procesamiento del balance de blancos se realiza en la imagen de acuerdo con la segunda ganancia; y, en respuesta a la determinación de que la primera ganancia no es similar a la segunda ganancia, el procesamiento del balance de blancos se realiza en la imagen de acuerdo con la primera ganancia. Por lo tanto, el algoritmo FaceAWB se adopta solo en un escenario especial de color puro de gran superficie y/o luz mixta y similares, y no se adopta en un escenario simple con espectros de reflexión equilibrados, las ventajas del algoritmo FaceAWB se reflejan aún más efectivamente, y mientras tanto, se evitan efectivamente los efectos negativos del algoritmo FaceAWB en parte de los escenarios.
Para implementar la realización mencionada anteriormente, la presente divulgación además divulga un dispositivo para procesar el balance de blancos de una imagen. La Figura 3 es un diagrama esquemático que ilustra la configuración de un dispositivo para procesar el balance de blancos de una imagen de acuerdo con una realización de la presente divulgación. Como se ilustra en la Figura 3, el dispositivo para procesar el balance de blancos de una imagen incluye: un módulo de cálculo 31, un módulo de determinación 32 y un módulo de procesamiento 33.
El módulo de cálculo 31 está configurado para calcular una primera ganancia de una imagen de acuerdo con un algoritmo FaceAWB configurado para regular un rostro en la imagen a un color de piel y calcular una segunda ganancia para la imagen de acuerdo con un algoritmo de mundo gris simple.
El módulo de determinación 32 está configurado para determinar si la primera ganancia es similar a la segunda ganancia.
El módulo de procesamiento 33 está configurado para, en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la segunda ganancia y, en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la primera ganancia.
Debe hacerse notar que las descripciones mencionadas anteriormente sobre la realización del procedimiento también se aplican al dispositivo de la realización de la presente divulgación y un principio de implementación es similar y no se elaborará en la presente memoria.
En el dispositivo para procesar el balance de blancos de una imagen de la realización, el módulo de cálculo está configurado para calcular la primera ganancia para la imagen de acuerdo con el algoritmo FaceAWB configurado para regular el rostro en la imagen al color de piel y calcular la segunda ganancia para la imagen de acuerdo con el algoritmo de mundo gris simple; el módulo de determinación está configurado para determinar si la primera ganancia es similar a la segunda ganancia; y el módulo de procesamiento está configurado para, en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la primera ganancia y, en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la segunda ganancia. Se resuelve el problema técnico en el cual se selecciona un algoritmo de balance de blancos de una manera configurada por el usuario en donde el algoritmo de balance de blancos no coincide fácilmente con un escenario práctico y deteriora un efecto de procesamiento del balance de blancos.
En base a la realización mencionada anteriormente, la Figura 4 es un diagrama esquemático que ilustra la configuración de otro dispositivo para procesar el balance de blancos de una imagen de acuerdo con otra realización de la presente divulgación. Como se ilustra en la Figura 4, sobre la base de la Figura 3, el módulo de determinación 32 en el dispositivo para procesar el balance de blancos de una imagen incluye: una unidad de
valor de diferencia 321 y una primera unidad de determinación 322.
La unidad de valor de diferencia 321 está configurada para calcular un valor de diferencia entre una primera ganancia correspondiente y una segunda ganancia correspondiente para cada componente de color.
La primera unidad de determinación 322 está configurada para, en respuesta a una determinación de que la diferencia para al menos uno de los componentes de color es mayor que un umbral de diferencia, determinar que la primera ganancia no es similar a la segunda ganancia y, en respuesta a una determinación de que la diferencia para cada uno de los componentes de color es menor que el umbral de diferencia, determinar que la primera ganancia es similar a la segunda ganancia.
En base a la realización mencionada anteriormente, la Figura 5 es un diagrama esquemático que ilustra la configuración de otro dispositivo para procesar el balance de blancos de una imagen de acuerdo con otra realización de la presente divulgación. Como se ilustra en la Figura 5, sobre la base de la Figura 3, el módulo de determinación 32 en el dispositivo para procesar el balance de blancos de una imagen incluye: una unidad de generación 323 y una segunda unidad de determinación 324.
La unidad de generación 323 está configurada para generar un primer vector de acuerdo con los valores de la primera ganancia para los componentes de color y generar un segundo vector de acuerdo con los valores de la segunda ganancia para los componentes de color.
La segunda unidad de determinación 324 está configurada para determinar si la primera ganancia y la segunda ganancia son similares entre sí de acuerdo con una distancia vectorial entre el primer vector y el segundo vector. Debe hacerse notar que las descripciones mencionadas anteriormente sobre la realización del procedimiento también se aplican al dispositivo de la realización de la presente divulgación y un principio de implementación es similar y no se elaborará en la presente memoria.
En el dispositivo para procesar el balance de blancos de una imagen de la realización, el módulo de cálculo está configurado para calcular la primera ganancia para la imagen de acuerdo con el algoritmo FaceAWB configurado para regular el rostro en la imagen al color de piel y calcular la segunda ganancia para la imagen de acuerdo con el algoritmo de mundo gris simple; el módulo de determinación está configurado para determinar si la primera ganancia es similar a la segunda ganancia; y el módulo de procesamiento está configurado para, en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la segunda ganancia y, en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la primera ganancia. Se resuelve el problema técnico en el cual se selecciona un algoritmo de balance de blancos de una manera configurada por el usuario en donde el algoritmo de balance de blancos no coincide fácilmente con un escenario práctico y deteriora un efecto de procesamiento del balance de blancos.
Para implementar la realización mencionada anteriormente, la presente divulgación describe adicionalmente equipos de terminal. La Figura 6 es un diagrama esquemático que ilustra la configuración del equipo de terminal de acuerdo con una realización de la presente divulgación. Como se ilustra en la Figura 6, el equipo de terminal 1000 incluye: una carcasa 1100 y una cámara 1113, una memoria 1111 y un procesador 1112 ubicados en la carcasa.
En este caso, la memoria 1111 almacena una distancia vectorial; y el procesador 1112 lee el código del programa ejecutable almacenado en la memoria 1111 para ejecutar un programa correspondiente al código de programa ejecutable para ejecutar el procedimiento para procesar el balance de blancos de una imagen de la realización mencionada anteriormente.
Debe hacerse notar que las descripciones mencionadas anteriormente sobre la realización del procedimiento de procesamiento de balance de blancos también se aplican al equipo de terminal 1000 de la realización de la presente divulgación y un principio de implementación es similar y no se elaborará en la presente memoria. A partir de lo anterior, el equipo de terminal de la realización de la presente divulgación calcula la primera ganancia para la imagen de acuerdo con el algoritmo FaceAWB configurado para regular el rostro en la imagen al color de piel, calcula la segunda ganancia para la imagen de acuerdo con el algoritmo de mundo gris simple, determina si la primera ganancia es similar a la segunda ganancia, en respuesta a la determinación de que la primera ganancia es similar a la segunda ganancia, realiza el procesamiento del balance de blancos en la imagen de acuerdo con la segunda ganancia y, en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, realiza el procesamiento del balance de blancos en la imagen de acuerdo con la primera ganancia. Se resuelve el problema técnico en el cual se selecciona un algoritmo de balance de blancos de una manera configurada por el usuario en donde el algoritmo de balance de blancos no coincide fácilmente con un escenario práctico y deteriora un efecto de procesamiento del balance de blancos.
En las descripciones de la presente memoria descriptiva, las descripciones con referencia a los términos "una realización", "algunas realizaciones", "ejemplo", "ejemplo específico", "algunos ejemplos" o similares que se refieren a características, estructuras, materiales específicos o características descritas en combinación con la realización o el ejemplo se incluyen en al menos una realización o ejemplo de la presente divulgación. En la presente memoria descriptiva, las expresiones esquemáticas sobre los términos no siempre se hacen para la misma realización o ejemplo. Además, las características, estructuras, materiales o características específicas descritas se pueden combinar en una cualquiera o más realizaciones o ejemplos de una manera adecuada. Además, los expertos en la técnica pueden combinar e integrar diferentes realizaciones o ejemplos descritos en la presente memoria descriptiva y características de diferentes realizaciones o ejemplos sin conflictos.
Aunque las realizaciones de la presente divulgación se han ilustrado o descrito anteriormente, puede entenderse que las realizaciones son ejemplares y no deben entenderse como límites para la presente divulgación y los expertos en la técnica pueden hacer variaciones, modificaciones, reemplazos y transformaciones a las realizaciones dentro del ámbito e la presente divulgación.
Claims (15)
1. Un procedimiento de procesamiento del balance de blancos de una imagen, comprendiendo un contenido de una imagen un sujeto y comprendiendo el procedimiento:
calcular una primera ganancia para la imagen de acuerdo con un algoritmo de Balance de Blancos Automático de Rostro (FaceAWB) configurado para regular un rostro en la imagen a un color de piel; calcular una segunda ganancia para la imagen de acuerdo con un algoritmo de mundo gris simple; determinar si la primera ganancia es similar a la segunda ganancia;
en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la segunda ganancia; y en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, realizar el procesamiento del balance de blancos en la imagen de acuerdo con la primera ganancia.
2. El procedimiento según la reivindicación 1, en el que determinar si la primera ganancia es similar a la segunda ganancia comprende:
calcular una diferencia entre la primera ganancia y la segunda ganancia para cada uno de los componentes de color;
en respuesta a una determinación de que una diferencia para al menos uno de los componentes de color es mayor que un umbral de diferencia, determinar que la primera ganancia no es similar a la segunda ganancia; y
en respuesta a una determinación de que una diferencia para cada uno de los componentes de color es menor que el umbral de diferencia, determinar que la primera ganancia es similar a la segunda ganancia.
3. El procedimiento según la reivindicación 1, en el que determinar si la primera ganancia es similar a la segunda ganancia comprende:
generar un primer vector de acuerdo con los valores de la primera ganancia para los componentes de color;
generar un segundo vector de acuerdo con los valores de la segunda ganancia para los componentes de color; y
determinar si la primera ganancia y la segunda ganancia son similares entre sí de acuerdo con una distancia vectorial entre el primer vector y el segundo vector.
4. El procedimiento según la reivindicación 3, en el que determinar si la primera ganancia y la segunda ganancia son similares entre sí de acuerdo con la distancia vectorial entre el primer vector y el segundo vector comprende:
en respuesta a una determinación de que la distancia vectorial entre el primer vector y el segundo vector es mayor que un umbral de distancia, determinar que la primera ganancia no es similar a la segunda ganancia; y
en respuesta a una determinación de que la distancia vectorial entre el primer vector y el segundo vector no es mayor que un umbral de distancia, determinar que la primera ganancia es similar a la segunda ganancia.
5. El procedimiento según la reivindicación 3, en el que la distancia de vector comprende una distancia Euclidiana.
6. El procedimiento según la reivindicación 1 que, antes de calcular una primera ganancia para la imagen de acuerdo con el algoritmo FaceAWB configurado para regular el rostro en la imagen a un color de piel, además comprende:
identificar el sujeto dentro de la imagen.
7. El procedimiento según la reivindicación 1, en el que el cálculo de la primera ganancia para la imagen de acuerdo con el algoritmo FaceAWB configurado para regular el sujeto en la imagen a un color de piel comprende:
calcular la primera ganancia al comparar el color del rostro en la imagen y un rango de color predeterminado para rostros.
8. Un dispositivo de procesamiento del balance de blancos de una imagen, un contenido de una imagen que comprende un sujeto y el dispositivo que comprende:
un módulo de cálculo configurado para calcular una primera ganancia para la imagen de acuerdo con
un algoritmo de Balance de Blancos Automático de Rostro (FaceAWB) configurado para regular un rostro en la imagen a un color de piel y calcular una segunda ganancia para la imagen de acuerdo con un algoritmo de mundo gris simple;
un módulo de determinación configurado para determinar si la primera ganancia es similar a la segunda ganancia; y
un módulo de procesamiento configurado para, en respuesta a una determinación de que la primera ganancia es similar a la segunda ganancia, realizar un procesamiento del balance de blancos en la imagen de acuerdo con la segunda ganancia y, en respuesta a una determinación de que la primera ganancia no es similar a la segunda ganancia, realizar procesamiento del balance de blancos en la imagen de acuerdo con la primera ganancia.
9. El dispositivo según la reivindicación 8, en el que el módulo de determinación comprende:
una unidad de valor de diferencia configurada para calcular una diferencia entre la primera ganancia y la segunda ganancia para cada uno de los componentes de color; y
una primera unidad de determinación configurada para, en respuesta a una determinación de que una diferencia para al menos uno de los componentes de color es mayor que un umbral de diferencia, determinar que la primera ganancia no es similar a la segunda ganancia y, en respuesta a una determinación de que una diferencia para cada uno de los componentes de color es menor que el umbral de diferencia, determinar que la primera ganancia es similar a la segunda ganancia.
10. El dispositivo según la reivindicación 8, en el que el módulo de determinación comprende:
una unidad de generación configurada para generar un primer vector de acuerdo con los valores de la primera ganancia para los componentes de color y generar un segundo vector de acuerdo con los valores de la segunda ganancia para los componentes de color; y
una segunda unidad de determinación configurada para determinar si la primera ganancia y la segunda ganancia son similares entre sí de acuerdo con una distancia vectorial entre el primer vector y el segundo vector.
11. El dispositivo según la reivindicación 10, en el que el módulo de determinación está configurado para: en respuesta a una determinación de que la distancia vectorial entre el primer vector y el segundo vector es mayor que un umbral de distancia, determinar que la primera ganancia no es similar a la segunda ganancia; y
en respuesta a una determinación de que la distancia vectorial entre el primer vector y el segundo vector no es mayor que un umbral de distancia, determinar que la primera ganancia es similar a la segunda ganancia.
12. El dispositivo según la reivindicación 10, en el que la distancia de vector comprende una distancia Euclidiana.
13. El dispositivo según la reivindicación 8, en el que el módulo de cálculo está configurado para: antes de calcular una primera ganancia para la imagen de acuerdo con el algoritmo FaceAWB configurado para regular el rostro en la imagen a un color de piel, identificar el sujeto dentro de la imagen.
14. El dispositivo según la reivindicación 8, en el que el módulo de cálculo está configurado para:
calcular la primera ganancia comparando el color del rostro en la imagen y un rango de color predeterminado para rostros.
15. Un medio de almacenamiento legible por ordenador que almacena un programa informático que cuando es ejecutado por un procesador, realiza el procedimiento de procesamiento del balance de blancos de una imagen según una cualquiera de las reivindicaciones 1-7.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710567012.6A CN107454345B (zh) | 2017-07-12 | 2017-07-12 | 图像的白平衡处理方法、装置和终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2754654T3 true ES2754654T3 (es) | 2020-04-20 |
Family
ID=60488960
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES18181399T Active ES2754654T3 (es) | 2017-07-12 | 2018-07-03 | Procedimiento y dispositivo de procesamiento del balance de blancos de una imagen y medio de almacenamiento |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US10559092B2 (es) |
| EP (1) | EP3429200B1 (es) |
| CN (1) | CN107454345B (es) |
| DK (1) | DK3429200T3 (es) |
| ES (1) | ES2754654T3 (es) |
| PT (1) | PT3429200T (es) |
| WO (1) | WO2019011196A1 (es) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107277480B (zh) * | 2017-07-10 | 2019-03-29 | Oppo广东移动通信有限公司 | 白平衡同步方法、装置和终端设备 |
| CN107257455A (zh) * | 2017-07-10 | 2017-10-17 | 广东欧珀移动通信有限公司 | 白平衡处理方法和装置 |
| CN107454345B (zh) * | 2017-07-12 | 2019-10-22 | Oppo广东移动通信有限公司 | 图像的白平衡处理方法、装置和终端设备 |
| CN109151428B (zh) * | 2018-08-30 | 2020-04-24 | Oppo广东移动通信有限公司 | 自动白平衡处理方法、装置以及计算机存储介质 |
| US11494953B2 (en) * | 2019-07-01 | 2022-11-08 | Microsoft Technology Licensing, Llc | Adaptive user interface palette for augmented reality |
| CN113497927B (zh) * | 2020-03-18 | 2023-08-29 | Oppo广东移动通信有限公司 | 一种白平衡调整方法、装置、终端及存储介质 |
| CN111953955B (zh) * | 2020-08-26 | 2022-01-04 | 维沃移动通信有限公司 | 白平衡补偿方法、装置及电子设备 |
| CN112135113B (zh) * | 2020-09-27 | 2023-03-24 | 广东小天才科技有限公司 | 一种拍照效果调整方法、***、拍照设备及存储介质 |
| CN115118947B (zh) * | 2021-03-23 | 2023-11-24 | 北京小米移动软件有限公司 | 图像的处理方法、装置、电子设备及存储介质 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040208363A1 (en) | 2003-04-21 | 2004-10-21 | Berge Thomas G. | White balancing an image |
| KR100513342B1 (ko) * | 2003-12-03 | 2005-09-07 | 삼성전기주식회사 | 디지털 자동 화이트 밸런스 장치 |
| JP4217698B2 (ja) | 2005-06-20 | 2009-02-04 | キヤノン株式会社 | 撮像装置及び画像処理方法 |
| JP5021338B2 (ja) * | 2007-03-02 | 2012-09-05 | 富士フイルム株式会社 | ホワイトバランス補正装置および方法 |
| JP4702635B2 (ja) | 2007-07-17 | 2011-06-15 | 富士フイルム株式会社 | オートホワイトバランス補正値算出装置、方法およびプログラムならびに撮像装置 |
| JP5064947B2 (ja) | 2007-09-11 | 2012-10-31 | キヤノン株式会社 | 画像処理装置及び方法、及び撮像装置 |
| JP5113514B2 (ja) * | 2007-12-27 | 2013-01-09 | キヤノン株式会社 | ホワイトバランス制御装置およびホワイトバランス制御方法 |
| JP5398156B2 (ja) * | 2008-03-04 | 2014-01-29 | キヤノン株式会社 | ホワイトバランス制御装置およびその制御方法並びに撮像装置 |
| US8717459B2 (en) | 2008-12-11 | 2014-05-06 | Texas Instruments Incorporated | Method and apparatus for improving automatic white balance with scene information |
| KR101896386B1 (ko) * | 2011-11-22 | 2018-09-11 | 삼성전자주식회사 | 화이트 밸런스 조절장치 및 방법 |
| US9595086B2 (en) | 2014-09-04 | 2017-03-14 | Samsung Electronics Co., Ltd. | Image processing device, image processing system and method for image processing |
| CN104735362B (zh) | 2015-03-11 | 2017-11-07 | 广东欧珀移动通信有限公司 | 拍照方法和装置 |
| CN106454285B (zh) | 2015-08-11 | 2019-04-19 | 比亚迪股份有限公司 | 白平衡的调整***及调整方法 |
| KR102346522B1 (ko) * | 2015-09-10 | 2022-01-03 | 삼성전자주식회사 | 영상 처리 장치 및 그것의 자동 화이트 밸런싱 방법 |
| CN107454345B (zh) | 2017-07-12 | 2019-10-22 | Oppo广东移动通信有限公司 | 图像的白平衡处理方法、装置和终端设备 |
-
2017
- 2017-07-12 CN CN201710567012.6A patent/CN107454345B/zh active Active
-
2018
- 2018-06-20 US US16/013,550 patent/US10559092B2/en active Active
- 2018-07-03 PT PT181813999T patent/PT3429200T/pt unknown
- 2018-07-03 DK DK18181399.9T patent/DK3429200T3/da active
- 2018-07-03 ES ES18181399T patent/ES2754654T3/es active Active
- 2018-07-03 EP EP18181399.9A patent/EP3429200B1/en active Active
- 2018-07-06 WO PCT/CN2018/094903 patent/WO2019011196A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| EP3429200A1 (en) | 2019-01-16 |
| PT3429200T (pt) | 2019-10-17 |
| DK3429200T3 (da) | 2019-10-14 |
| EP3429200B1 (en) | 2019-09-18 |
| US20190019312A1 (en) | 2019-01-17 |
| WO2019011196A1 (en) | 2019-01-17 |
| US10559092B2 (en) | 2020-02-11 |
| CN107454345A (zh) | 2017-12-08 |
| CN107454345B (zh) | 2019-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2754654T3 (es) | Procedimiento y dispositivo de procesamiento del balance de blancos de una imagen y medio de almacenamiento | |
| US10003779B2 (en) | Multi-area white-balance control device, multi-area white-balance control method, multi-area white-balance control program, computer in which multi-area white-balance control program is recorded, multi-area white-balance image-processing device, multi-area white-balance image-processing method, multi-area white-balance image-processing program, computer in which multi-area white-balance image-processing program is recorded, and image-capture apparatus | |
| US9723285B2 (en) | Multi-area white-balance control device, multi-area white-balance control method, multi-area white-balance control program, computer in which multi-area white-balance control program is recorded, multi-area white-balance image-processing device, multi-area white-balance image-processing method, multi-area white-balance image-processing program, computer in which multi-area white-balance image-processing program is recorded, and image-capture apparatus | |
| US8705855B2 (en) | Color image processing method, color image processing device, and color image processing program | |
| US20110268350A1 (en) | Color image processing method, color image processing device, and recording medium | |
| ES2727862T3 (es) | Dispositivo de procesamiento de imágenes y método de procesamiento de imágenes | |
| US8854709B1 (en) | Automatic white balance based on dynamic mapping | |
| US20140228635A1 (en) | Endoscope apparatus and control method thereof | |
| JP2016086246A5 (es) | ||
| US20120120196A1 (en) | Image counting method and apparatus | |
| US20170132765A1 (en) | Image correction device, image correction method and storage medium | |
| US20210327069A1 (en) | Image processing device, image processing method, and image processing program | |
| CN112384400A (zh) | 车载显示控制装置以及车载显示控制程序 | |
| JP7401013B2 (ja) | 情報処理装置、制御装置、情報処理方法及びプログラム | |
| KR101976318B1 (ko) | 디헤이즈드 의료 이미지를 보정하기 위한 방법 | |
| JP5824423B2 (ja) | 照明光色推定装置、照明光色推定方法及び照明光色推定プログラム | |
| US8270715B2 (en) | Method for correcting red-eye | |
| KR20180000580A (ko) | 조명기를 구비한 스테레오 매칭 시스템에서의 코스트 볼륨 연산장치 및 그 방법 | |
| KR101049409B1 (ko) | 영상 처리 시스템에서의 색 보정 장치 및 방법 | |
| US20200374420A1 (en) | Image processing apparatus, image processing method, and storage medium | |
| US11172119B2 (en) | Device with a camera and a screen enabling control of light output characteristics | |
| Chang et al. | Color constancy via chromaticity neutralization: From single to multiple illuminants | |
| Jo et al. | Adaptive white point extraction based on dark channel prior for automatic white balance | |
| KR101772626B1 (ko) | 단일 영상으로부터 반사성분을 분리하는 방법 및 그 방법에 따른 영상처리 장치 | |
| CN114071108B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 |